Mobilité durable : réfléchir la responsabilité sociale des entreprises à partir de l’éthique des capabilités
Bibliographic record
Abstract
En réaction à l'approche de l'analyse coûts-bénéfices inspirée de l’utilitarisme, des auteurs s'intéressent au rapport entre la justice sociale et les transports. Ce souci concerne l'atténuation des externalités négatives et des impacts socio-économiques des projets d'infrastructures de transport sur diverses catégories de population avec, au premier chef, les personnes à faible mobilité. Divers cadres d'analyse ont commencé à incorporer les travaux de John Rawls et, plus récemment, des deux principaux représentants de l'éthique des capabilités, Amartya Sen et Martha Nussbaum. Si ces récents travaux ont permis de réfléchir le rapport entre la mobilité et le développement humain, ils se sont toutefois concentrés sur la responsabilité des pouvoirs publics. Or, cette approche néglige le rôle de l'entreprise dans sa capacité à fournir des solutions de mobilité. Cet article propose de démontrer que les entreprises ont intérêt à s’inspirer des principes capabilistes dans leur gestion de la mobilité durable. Ces solutions peuvent viser à la fois les ressources humaines et la société dans une double perspective de responsabilité distribuée et de gouvernance institutionnelle.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.012 | 0.015 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.008 | 0.027 |
| Scholarly communication | 0.016 | 0.012 |
| Open science | 0.002 | 0.013 |
| Research integrity | 0.005 | 0.004 |
| Insufficient payload (model declined to judge) | 0.021 | 0.003 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".